如何在SAS中使用哈希对象实现字符模糊匹配合并？

问题根因 #

你当前代码只能返回精确匹配的核心原因是：只有B.Find(KEY: nameA)执行成功（也就是精确匹配到nameB）时，hash对象才会给当前PDV中的nameB变量赋值；如果匹配失败，nameB为空，后续的COMPLEV比较逻辑完全没有生效基础，更没有遍历B表所有记录做模糊校验的逻辑。

修正后可实现模糊匹配的代码 #

data A;
infile datalines missover;
length nameA $50;
input nameA $ ;
datalines;
MICKEYMOUSE2000-01-02
DAFDUCK1990-09-23
GOOFYMAN1993-05-11
;
run;

*第二份数据集，包含1条精确匹配、2条与A表略有差异的记录;
data B;
infile datalines missover;
length nameB $50;
input nameB $ VDAY :ddmmyy10.;
format VDAY ddmmyy10.;
datalines;
MICKEYMOUSE2000-01-01 07/08/2021
DAFFYDUCK1990-09-23 05/11/2021
GOOFYMAN1993-05-11 08/11/2021
;
run;

data fuzzy_merge;
    if 0 then set work.B;
    /* 声明哈希对象和迭代器，用于遍历B表所有记录 */
    if _n_ = 1 then do;
        dcl hash B(dataset: 'work.B');
        B.definekey('nameB');
        B.definedata('nameB','vday');
        B.definedone();
        dcl hiter iterB('B'); * 哈希迭代器，用于遍历全部条目;
    end;

    set work.A;
    
    /* 遍历B表所有记录，逐一做模糊匹配校验 */
    rc = iterB.first();
    do while(rc = 0);
        if complev(nameA, nameB, 'i') < 10 then do; * 'i'参数代表忽略大小写，可按需删除;
            output;
        end;
        rc = iterB.next();
    end;

    drop rc;
run;

逻辑说明 #

• 新增哈希迭代器hiter，对A表的每一条nameA，都会遍历B表的所有条目计算COMPLEV得分
• 得分低于10的记录直接输出，精确匹配场景下COMPLEV得分为0，会自动被包含在结果中
• 如果你需要处理一对多匹配的去重需求，可以在输出前加对应判断逻辑，或者后续用PROC SORT NODUPKEY处理
• 大数据量下如果要优化性能，可以先对name字段做前缀拆分，先按前缀做精确匹配缩小遍历范围，再做COMPLEV校验，可大幅降低计算量

内容的提问来源于stack exchange，提问作者Cymone Gates